在 LHC 上利用机器学习通过希格斯门户探测暗 QCD sector

具有 GeV 尺度暗强子的类 QCD 暗 sector 有可能在大型强子对撞机（LHC）上产生新的信号。在本文中，我们考虑一个几十 GeV 尺度的单态标量媒介子，它通过希格斯门户连接暗 sector 和标准模型（SM）sector。我们聚焦于希格斯伴随产生过程 $q\overline{q}'\rightarrow W^{\ast}\rightarrow WH$，以产生一个高度增强的希格斯玻色子。我们的方案预测了两种可产生暗介子的不同过程：（1）希格斯玻色子级联衰变为两个轻标量媒介子，再衰变为四个暗介子；（2）希格斯玻色子衰变为两个暗夸克，随后经历类 QCD 簇射和强子化产生暗介子。我们将机器学习技术，如卷积神经网络（CNN）和能量流网络（EFN），应用于大喷注结构，以将这些信号过程与巨大的 SM 背景区分开来。我们发现，在 14 TeV LHC 上，当 $\mathcal{L} = 3000 fb^{-1}$ 时，希格斯玻色子衰变为两个轻标量媒介子的分支比可被限制为小于 $10\%$。